人工智能應(yīng)用于航空領(lǐng)域 目前還具有很多不確定性

自主飛行，是世界航空技術(shù)研發(fā)的前沿概念之一，先進(jìn)的飛行控制技術(shù)和人工智能技術(shù)，讓很多水陸空的平臺實(shí)現(xiàn)了自主運(yùn)行、自主探測和自主決策。而在直升機(jī)領(lǐng)域，多家公司已經(jīng)進(jìn)行了大量的實(shí)踐探索，對此本刊采訪了柯林斯宇航中國區(qū)副總裁何偉昌先生，探討了人工智能和自主飛控系統(tǒng)在直升機(jī)領(lǐng)域的應(yīng)用前景。

直升機(jī)自主飛行技術(shù)的意義

在直升機(jī)領(lǐng)域，自主飛行是一項(xiàng)新興技術(shù)，該技術(shù)可以有效降低飛行員的工作壓力、提升執(zhí)行任務(wù)的專注程度，并減少對直升機(jī)的人力需求。

業(yè)內(nèi)一般認(rèn)為，人類飛行員的能力十分適合于復(fù)雜任務(wù)的決策，并且能夠在短時(shí)間內(nèi)對快速變化的復(fù)雜情況做出反應(yīng)。但這樣的復(fù)雜情況的決策過程對于飛行員的大腦是個很大的考驗(yàn)，特別是還需要對直升機(jī)的飛行狀態(tài)進(jìn)行保持的條件下，飛行員很難進(jìn)行精力的分配。

而對于電腦來說，仍有很多常規(guī)性的任務(wù)更適合由它們來完成，例如檢查發(fā)動機(jī)狀態(tài)、高度計(jì)、燈光、開關(guān)，甚至保持直升機(jī)的飛行姿態(tài)等基本飛行操作。這些常規(guī)性的操作對于人類飛行員來說較為單調(diào)和枯燥，但又不得不去做，這就使飛行員必須將精力在執(zhí)行任務(wù)和對直升機(jī)進(jìn)行基本操作之間進(jìn)行分配，而出于自身安全考慮，飛行員往往將精力更多的放在對直升機(jī)的操作上面，以保證不會墜毀，從而可能影響了真正要執(zhí)行的任務(wù)。

在如此惡劣的天氣下執(zhí)行任務(wù)，飛行員光是保證“直升機(jī)不會墜毀”就幾乎用去了全部精力，更不用說要在救援目標(biāo)上空精確的懸停。

對此，柯林斯宇航中國區(qū)副總裁何偉昌先生表示，隨著人工智能的發(fā)展，經(jīng)過“培訓(xùn)”的飛控程序，可以代替飛行員對直升機(jī)進(jìn)行基本的檢查和操作，例如操作直升機(jī)進(jìn)行爬升、懸停、避障、保持飛行姿態(tài)等，甚至還可以完成“在較為惡劣的氣象條件下進(jìn)行懸停”這樣的操作。而未來隨著計(jì)算機(jī)“智能”的增加，飛控系統(tǒng)還可以具備更多功能，如激活緊急程序、自主規(guī)劃路線并導(dǎo)航飛行到預(yù)定地點(diǎn)，甚至可能自主使用某些傳感器等。

這樣，直升機(jī)就可以認(rèn)為是具備了一定的“自主飛行能力”，直升機(jī)可以“自主地”完成基本的飛行操作，同時(shí)向飛行員報(bào)告當(dāng)前的狀態(tài)，使得飛行員能夠?qū)Ｐ奶幚砀嗥渌膯栴}，不在“操作直升機(jī)飛到某處或防止墜毀”上面投入過多的精力，大大減輕飛行員的負(fù)擔(dān)。

人工智能的問題和挑戰(zhàn)

當(dāng)然，這樣的人工智能技術(shù)要實(shí)現(xiàn)是十分不容易的，何偉昌先生認(rèn)為，人工智能系統(tǒng)要絕對安全可靠地達(dá)到上面的要求還有很長的路要走，并且存在著諸多挑戰(zhàn)。

首先對于直升機(jī)飛行員來說，雖然應(yīng)用人工智能的“自主飛行”技術(shù)可以減輕負(fù)擔(dān)，但很難確定“到底可以減少多大比例”的負(fù)擔(dān)，很難對此進(jìn)行量化。而難以量化的結(jié)果，就是難以確定計(jì)算機(jī)的自主飛行控制要對飛行員的操作介入到什么程度，從而難以確定這種自主飛控程序的復(fù)雜程度，就很難決定要進(jìn)行多少投資、可以得到什么回報(bào)。

其次，采用自主飛行系統(tǒng)以后，雖然飛行員的負(fù)擔(dān)減輕，但也存在著飛行員技術(shù)水平降低的風(fēng)險(xiǎn)，因?yàn)楹芏嗖僮饔捎?jì)算機(jī)替代飛行員做了。而在發(fā)生故障和某些極限飛行條件下，飛行員處理特情的要求并沒有降低，這就可能使新的飛行員無力應(yīng)對這些特情，從而在另一個方面帶來了不安全的影響。

另外，由于系統(tǒng)更加復(fù)雜，對飛行員的培訓(xùn)和技術(shù)能力水平要求也更高。最后，也是最重要的一點(diǎn)，是人工智能現(xiàn)在還無法進(jìn)行解釋，也無法得到可證明的確定性的結(jié)論，因此這對于航空領(lǐng)域中的“安全關(guān)鍵系統(tǒng)”而言是不可接受的，也就無法得到人類的信任。

人工智能把照片識別成羊的置信度26%、識別成牛的置信度為17%，甚至在下面一組照片中還以39%的置信度識別成人。如果在飛行控制領(lǐng)域，是絕對不能出現(xiàn)“前方有個高樓，置信度77%“這樣的事情。

當(dāng)前航空機(jī)載系統(tǒng)的設(shè)計(jì)和認(rèn)證體系都非常強(qiáng)調(diào)產(chǎn)品的“可證明”和“確定性”，而人工智能技術(shù)都是與大數(shù)據(jù)與深度學(xué)習(xí)為基礎(chǔ)，這本身就存在一定的不確定性，與航空系統(tǒng)的要求是矛盾的。

例如當(dāng)直升機(jī)的飛行員在計(jì)算機(jī)上兩次輸入同樣的目的地、需要在同樣的要求下進(jìn)行兩次飛行，兩次的氣象條件也相同，計(jì)算機(jī)得出的卻是不同的飛行建議，而其中一個建議在人類飛行員看來又是幾乎不可行；再加上計(jì)算機(jī)沒有告訴飛行員它是如何做出這些決策的，那人類飛行員如何能信任繼續(xù)信任這個“自主飛行”系統(tǒng)呢？就一些具體技術(shù)而言，直升機(jī)利用傳感器對障礙物的探測和識別是實(shí)現(xiàn)自主飛行的基礎(chǔ)，只有對障礙物進(jìn)行有效的識別和探測才能實(shí)現(xiàn)直升機(jī)“替代飛行員避開障礙物讓飛行員集中精力”的要求。

但這一目的實(shí)現(xiàn)起來并不容易，這樣對人類飛行員來說是基本的任務(wù)，人工智能實(shí)現(xiàn)起來確非常困難。雖然現(xiàn)在自動駕駛汽車對障礙物的識別率已經(jīng)很高，但對于航空系統(tǒng)的要求仍然是不夠的，自主飛控程序仍然可能對同一個障礙物進(jìn)行了兩次不同的識別，這也是飛行員們不可接受的，因此仍然需要再付出努力去克服這一點(diǎn)。

人們已經(jīng)進(jìn)行大量工作

因此，目前應(yīng)用人工智能技術(shù)的“自主飛行”系統(tǒng)要想應(yīng)用在直升機(jī)上面，當(dāng)務(wù)之急是需要實(shí)現(xiàn)人工智能系統(tǒng)的確定性?？铝炙褂詈阶鳛橐患液诫娤到y(tǒng)的制造商，也在這一領(lǐng)域進(jìn)行積極的工作。例如柯林斯宇航與西科斯基公司共同開發(fā)了一種新的電傳飛控技術(shù)改造解決方案，該方案可用于直升機(jī)或固定翼飛機(jī)從而為自主飛行打下基礎(chǔ)。目前，該技術(shù)已應(yīng)用于西科斯基一架UH-60A“黑鷹”直升機(jī)的改裝，作為西科斯基的直升機(jī)“可選駕駛模式”（OPV）系統(tǒng)項(xiàng)目的技術(shù)基礎(chǔ)。該項(xiàng)目是DARPA“機(jī)器人輔助自動駕駛”（ALIAS）系統(tǒng)的一部分，用于演示的UH-60A OPV驗(yàn)證機(jī)已于2019年5月底進(jìn)行首飛。

采用UH-60A改裝的OPV“黑鷹”。

新的電傳系統(tǒng)具有三余度，并用由增強(qiáng)型飛控計(jì)算機(jī)控制的機(jī)電作動器代替了傳統(tǒng)的連桿和齒輪的機(jī)械傳動系統(tǒng)?？铝炙褂詈脚c西科斯基合作設(shè)計(jì)了這種純電磁耦合的“無干涉”系統(tǒng)，從而無需齒輪、滾珠絲杠或離合器來實(shí)現(xiàn)機(jī)械操縱。

這也是這種傳動系統(tǒng)首次用于對安全性要求極高的航空系統(tǒng)應(yīng)用中。這種電傳操縱的革命性設(shè)計(jì)使通常位于飛控計(jì)算機(jī)內(nèi)的許多控制邏輯，現(xiàn)在可以在外部駐留在其自己的控制模塊或作動器本身當(dāng)中，進(jìn)一步簡化了系統(tǒng)架構(gòu)并提高了可靠性。更重要的是，這種設(shè)計(jì)無需更改直升機(jī)原有的液壓系統(tǒng)即可安裝，從而無需對液壓系統(tǒng)進(jìn)行重新認(rèn)證，提供了更實(shí)惠的改進(jìn)選擇。

柯林斯宇航表示，這種新型的電傳操縱系統(tǒng)改造方案和該公司即將推出的新型飛行管理計(jì)算機(jī)（VMC）將有助于實(shí)現(xiàn)飛行器的自主控制，為軍用和民用的自主飛行系統(tǒng)提供打下基礎(chǔ)。

當(dāng)然，上述案例表明，在直升機(jī)自主飛控領(lǐng)域的現(xiàn)階段工作都是比較基礎(chǔ)的，解決一些基礎(chǔ)問題，并非直接奔向“以人工智能取代飛行員”的主題。而未來的工作還是要將是要人工智能系統(tǒng)的確定性提升，在這方面很多專家提出過各種想法，例如受控學(xué)習(xí)等，也可以采用人工建模和機(jī)器學(xué)習(xí)相結(jié)合的手段，將機(jī)器學(xué)習(xí)中不確定的結(jié)果過濾掉，從而提高了系統(tǒng)的確定性，也使系統(tǒng)中的人工智能算法變的可解釋。

在前面提到的DARPA的ALIAS項(xiàng)目的飛行試驗(yàn)中，飛行員采用平板電腦來對自主控制系統(tǒng)下達(dá)指令，控制系統(tǒng)自主對飛行路線進(jìn)行規(guī)劃。

但是，相對于飛控系統(tǒng)部件級別的改進(jìn)，提升整個系統(tǒng)中人工智能的確定性其目標(biāo)還相對長遠(yuǎn)，對此何偉昌表示雖然柯林斯宇航正在這一領(lǐng)域進(jìn)行努力，但是目前還不能給出一個具體的時(shí)間表或路線圖之類的承諾，因?yàn)閷?shí)現(xiàn)這一目的仍然需要大量的投資和研究。